AI-Hub

데이터 변경이력

데이터 히스토리

소개

화재 발생 전에 발생되는 연기를 촬영한 영상으로부터 화재 발생 사전 예측 가능한 AI 기술개발을 위한 영상 데이터

구축목적

화재 발생 전에 발생되는 연기를 촬영한 동영상으로부터 화재 발생을 사전 예측하여 알림하는 AI 기술 개발을 위한 화재 발생 예측 AI학습용데이터 구축

• 구축 내용 및 제공 데이터량

  과제명		데이터 구축량			비고
  		영상/이미지	목표 수량
  화재 발생 데이터	화재씬	이미지 740,000장	BB 600,000개 이상	BB 1,998,784	연기,
  			Polygon 140,000개 이상	Polygon	화재, 진화 start-end 키프레임 기록
  	유사씬	이미지 660,000장	BB 600,000개 이상	262,349
  			Polygon 60,000개 이상
  	무관씬	이미지 300,000장	BB 300,000개 이상

- 화재 발생 예측 데이터(연기동영상) 구축

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

• YOLACT Architecture
  < Backbone – ResNet >

파란색/노란색은 프로토타입ㅇ에서 낮은/큰 값을 나타내고, 회색 노드는 기능을 나타냄
출처:“YOLACT Real-time Instance Segmentation”, Daniel Bolya, Chong Zhou, Fanyl Xiao, Yong Jae Lee, University of Californaia, Davis.

• YOLACT Architecture의 주요과정
1) 먼저 입력 이미지를 feature map으로 변형시켜주는 부분인 Backbone은 ResNet-101을 기반으로 구현한다.
2) 이미지에서 residual neuiral network를 통해 C1,...,C5까지 5개의 feature map을 먼저 구성한다.
3) 그 후, Feature Pyramid Network(FPN)를 통해 P3,...,P7까지 5개의 feature map을 새롭게 생성한다.
• YOLACT의 장점
  - 인스턴스 분할(instance segmentation)을 이용하여 성능 향상: 인스턴스 분할을 두 개의 병렬작업으로 나누어 처리함으로써 성능을 향상1) 이미지에 대한 Prototype 마스크 생성 (Protonet branch)2) 인스턴스 별 마스크 개수 예측(Prediction Head branch)
  - 병렬 구조로 인해 매우 가벼운 조립 공정으로 ᄈᆞ른 연산 속도(30fps 이상):· YOLACT는 1단계 백본 검춝기(one-stage backbone detector)에 대해 약간의 계산 오버헤드만 추가· 전체 mask branch를 평가하는데 5ms 정도 소요
  - 마스크 고품질: 마스크는 repooling 기법으로 인해 품질의 손상 없이 이미지 공간의 전체 범위를 사용하기 떄문에 고해상도 feature map일수록 작은 object에 대해 좋은 성능을 보임
  - 일반성: 프로토타입 및 마스크 계수를 거의 모든 최신 물체 감지기에 추가할 수 있다.
  - Fast NMS 기법 사용으로 속도 개선: YOLACT에서는 동일 instance를 focus하는 anchor box 중 confidence가 가장 높은 anchor box만 남기고 다른 중복 anchor box는 제거하는 NMS(Non-maximum suppression) 대신 Fast NMS라는 새로운 기법을 제시하는데 이는 NMS보다 성능은 거의 떨어뜨리지 않으면서 더 높은 속도를 보인다.

데이터 성능 점수

설명서 및 활용가이드 다운로드

구축 목적

• 화재 발생 전에 발생되는 연기를 촬영한 동영상으로부터 화재 발생을 사전 예측하여 알림하는 AI 기술 개발을 위한 화재 발생 예측 AI학습용데이터 구축

활용 분야

• 자동 화재예측 인공지능 AI 알고리즘 개발연구

소개

• 공개된 양질의 화재 발생 예측 데이터(연기 동영상)를 관련 기업, 대학/연구소 등이 활용하여 AI 알고리즘 수준 향상, 플랫폼 서비스 기술 등 원천 기술 확보
• 화재 발생 예측 데이터(연기동영상) 구축

  대표도면

필요성

• 화재 발생 예측 데이터(연기 동영상)
  - 산업시설, 일반가정, 자연환경 등 화재위험이 높은 곳에 선제적인 화재감지 솔루션이 필요
  - 화재위험지역에서 연기발생을 감지하고 화재신호를 신속히 전파하는 기술이 필요
  - 다양한 환경의 연기영상을 활용해 수준 높은 AI응용서비스 개발이 필요

데이터 구조

• 데이터 구조

  No.		항목명	설명	필수여부
  1		date	촬영일자	Y
  	01월 01일	path	Path정보	Y
  	01월 02일	filename	파일이름(*jpg)	Y
  	01월 03일	copyrighter	저작권소유자	Y
  	01월 04일	H_DPI	수평 해상도 값	Y
  	01월 05일	location	촬영 장소	Y
  	01월 06일	bit	비트 수준	Y
  	01월 07일	V_DPI	수직 해상도 값	Y
  	01월 08일	resolution	이미지 해상도	Y
  2	02월 01일	대분류	대분류 정보
  	02월 02일	중분류	중분류 정보	Y
  	02월 03일	flags	겹침 및 잘림 여부
  	02월 04일	box	Bounding Box 좌표	Y
  	02월 05일	class	Class 정보	Y

   

   

• 데이터 셋(JSON 구조)

  분류	항목	내용	값 범위	입력 방법
  {
  “image”: {		이미지 정보
  	“filename”:  “sample.JPG”,	파일명		파일명 입력
  	“copyrighter”: ”미디어그룹사람과숲 (컨 )”,	저작권 소유자		고정값 입력
  	“date”: ”2020.10.15”,	촬영 일시		폴더명 입력
  	“location” : “01”	촬영 장소	01~16	파일명에서 추출
  				S3-N 01 01_MS00001.JPG
  	“H DPI”: ”72”,	수평 해상도		이미지 속성에서 추출
  				수평 해상도
  	“V DPI”: “72”,	수직 해상도		이미지 속성에서 추출
  				수직 해상도
  	“bit”: “24”,	비트 수준		이미지 속성에서 추출
  				비트 수준
  	“resolution”: [1920,1280]},	이미지 해상도		이미지 속성에서 추출
  				사진 크기
  {
  “annotations”: {[		어노테이션 정보
  	“bbox ”: [x,y ,x,y ],	드로잉 타입 / 좌표값		어노테이션 입력
  	또는 “polygon”: [[x1,y1],[x2,y2], …]			파일명에서 추출
  				S3 -N 01 01M00001.JPG
  	“data ID” : “S 3 ”,	세부 과제 번호		어노테이션 입력
  	“middle classification” : “01”,	중분류	01~02	어노테이션 입력
  	“class” : “01”	클래스 정보	01~10	어노테이션 입력
  	“flags” : {	추가 정보
  	“not occluded”,	객체 가림		어노테이션 입력
  	“not truncated”	객체 잘림		어노테이션 입력
  	}
  ] }

• 어노테이션 포맷

  항목	가공단위	가공방식	값	Tag name	표현방식
  화재씬	객체	Bounding box	x,y 의 2개 point	Bbox	json array 형식
  		객체외곽을 Box로 가공			예)
  		크라우드가 정의
  					[200,100],[500,800]
  유사씬	객체	Bounding box	x,y 의 2개 point	Bbox	json array 형식
  		객체외곽을 Box로 가공			예)
  		크라우드가 정의
  					[200,100],[500,800]
  무관씬	객체	Bounding box	x,y 의 2개 point	Bbox	json array 형식
  		객체외곽을 Box로 가공			예)
  		크라우드가 정의
  					[200,100],[500,800]
  연기발생시간	영상	연기 시작 시간정보를 입력	time 정보	smog start	영상 meta 에 기입
  		크라우드가 정의
  					10:05.0
  화재발생시간	영상	화재 시작 시간정보를 입력	time 정보	fire start	영상 meta 에 기입
  		크라우드가 정의
  					10:05.0

데이터셋 구축 담당자

수행기관(주관) : 미디어그룹사람과숲

수행기관(참여)

데이터 관련 문의처